Open3d:点对点ICP配准，点对面ICP配准

1.点对点ICP配准

print("Apply point-to-point ICP")
reg_p2p = o3d.pipelines.registration.registration_icp(source, target, threshold, trans_init,o3d.pipelines.registration.TransformationEstimationPointToPoint())
print(reg_p2p)
print("Transformation is:")
print(reg_p2p.transformation)
draw_registration_result(source, target, reg_p2p.transformation)

2.点对面ICP配准

print("Apply point-to-plane ICP")
reg_p2l = o3d.pipelines.registration.registration_icp(source, target, threshold, trans_init,o3d.pipelines.registration.TransformationEstimationPointToPlane())
print(reg_p2l)
print("Transformation is:")
print(reg_p2l.transformation)
draw_registration_result(source, target, reg_p2l.transformation)

3.分析

import open3d as o3d
import numpy as np# 读取点云
source = o3d.io.read_point_cloud("source.pcd")
target = o3d.io.read_point_cloud("target.pcd")# 计算法线（必需步骤）
source.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=0.1, max_nn=30))
#保持法线一致性， 使得法线均朝gu帽上方
source.orient_normals_towards_camera_location([0, 0, 0])target.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=0.1, max_nn=30))
#保持法线一致性， 使得法线均朝gu帽上方
target.orient_normals_towards_camera_location([0, 0, 0])# 设置ICP参数
max_correspondence_distance = 0.05
init_transformation = np.identity(4)# 创建Point-to-Plane估计器
estimation_method = o3d.pipelines.registration.TransformationEstimationPointToPlane()# 设置收敛准则
criteria = o3d.pipelines.registration.ICPConvergenceCriteria()
criteria.relative_fitness = 1e-6
criteria.relative_rmse = 1e-6
criteria.max_iteration = 100# 执行ICP配准
result = o3d.pipelines.registration.registration_icp(source, target, max_correspondence_distance,init_transformation, estimation_method, criteria
)print("变换矩阵:\n", result.transformation)
print("拟合度:", result.fitness)
print("内点RMSE:", result.inlier_rmse)

p2p-icp

p2l-icp

总结对比表：

方法类型	目标函数	优化目标	收敛速度	是否需要法向量
Point-to-point	最小化点对之间的欧氏距离	点对齐	较慢	否
Point-to-plane	最小化点到对应点切平面的距离	点落在局部平面	较快	是

Point-to-plane ICP 精度更高的核心原因

比较维度	Point-to-point	Point-to-plane
对齐方式	强制点对重合	允许滑移到局部平面，避免过拟合
对噪声的鲁棒性	差（点对误差会被平方放大）	好（法向约束平滑误差）
对初始误差容忍度	低	高
局部最优陷阱	容易陷入	更不易陷入
需要法向量	否	是（但这也是它能更准的前提）

但需要注意：

• 精度高的前提是法向量必须准确。如果法向量估计不准，Point-to-plane 反而可能更差。

• Point-to-point 在某些低曲率或平面区域反而可能更稳定，因为没有法向量误差。

---

✅ 实际建议（工程经验）：

• 有可靠法向量 → 用 Point-to-plane

• 法向量不可靠或无 → 用 Point-to-point 或先做平滑处理

---

📌 总结一句话：

在法向量准确的前提下，Point-to-plane ICP 的配准精度更高、更鲁棒。

参考资料：

1.ICP备案 - Open3D 0.19.0 文档

2.kimi.ai

3.deepseek.ai